“龙建武”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果27个，建议您升级VIP下载更多相关专利

[发明专利]一种基于混合-解耦训练的半监督医学图像分割方法-CN202310958092.3在审
发明人： 龙建武;任岩 -专利权人：重庆理工大学
申请日： 2023-08-01 - 公布日： 2023-10-24 - 主分类号： G06V10/26 文献下载
摘要：本发明提供一种基于混合‑解耦训练的半监督医学图像分割方法，包括设计一种扰动策略混合‑解耦来充分正则化大量的未标识医学图像数据：先从数据层面对标记图像和未标记图像进行像素级的混合得到混合目标图像，接着从特征层面对混合目标图像和标记图像的输出预测之间执行解耦操作获得未标记图像的强版本预测，然后强制未标记图像的强版本预测与直接预测保持一致；以及设计分类熵过滤方法为未标记图像筛选可靠的伪标签进行更有效的监督：基于信息熵的理论，先把未标记图像的直接预测对应的分割掩码作为分类依据，再对每个类别按照自适应的过滤比例进行可靠伪标签筛选。本发明能挖掘未标记数据内在的丰富信息，保证模型对边缘敏感信息更加鲁棒。
一种基于混合训练监督医学图像分割方法

[发明专利]一种区域分片光滑和边缘一致性约束的图像平滑方法-CN202310715781.1在审
发明人： 龙建武;张臣;张凯鑫 -专利权人：重庆理工大学
申请日： 2023-06-16 - 公布日： 2023-09-15 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种区域分片光滑和边缘一致性约束的图像平滑方法，包括以下步骤：采用特征提取模块对输入图像通过扩大感觉野的方式进行特征提取；将提取出的特征传入边缘提取模块挖掘更显著的图像边缘信息；采用将挖掘出的边缘信息和提取出的特征在特征层级联合并的方式，将合并后的特征信息传入图像平滑模得到初步平滑结果；将提取出的特征、挖掘出的边缘信息和初步平滑结果三种特征信息级联合并后传入弱结构增强模块中得到弱结构信息；利用弱结构信息和初步平滑结果相结合后得到最终平滑结果。本方法能更充分的挖掘并利用显著边缘信息及弱结构细节，且能够抑制边缘伪影的产生，同时获得更好的平滑效果。
一种区域分片光滑边缘一致性约束图像平滑方法

[发明专利]结合特征相似和可靠区域增强的半监督医学图像分割方法-CN202310502287.7在审
发明人： 龙建武;杨诚鑫;任岩;曾子秦;张臣;杨凯 -专利权人：重庆理工大学
申请日： 2023-05-06 - 公布日： 2023-08-15 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种结合特征相似和可靠区域增强的半监督医学图像分割方法，包括采用双网络模型作为作为基础网络，对输入的有标签图片和无标签图片进行初步特征提取及模型训练；将双网络模型中提取出的深层特征及分割特征送入特征相似性模块，在特征相似性模块中通过自监督方法来挖掘无标签数据深层特征信息，将深层特征能够预测真值标签的能力与分割特征相关联，让深层特征的相似性关系映射到分割特征上；在双网络模型的基础上，融合双网络相互学习的优势获得高置信度网络模型形成三网络模型来产生伪标签，再通过可靠区域筛选模块筛选出可靠伪标签来再次约束双网络模型。本申请能充分利用无标签数据信息及高效利用全部伪标签信息，提高模型准确度。
结合特征相似可靠区域增强监督医学图像分割方法

[发明专利]一种基于前背景匹配的边界框弱监督图像分割方法-CN202310047566.9在审
发明人： 龙建武;刘东;杨诚鑫;任岩;曾子秦 -专利权人：重庆理工大学
申请日： 2023-01-31 - 公布日： 2023-05-05 - 主分类号： G06T7/194 文献下载
摘要：本发明提供一种基于前背景匹配的边界框弱监督图像分割方法，包括将LAB图像送到全监督分割网络中得到前景分割结果；将边界框及前景分割结果送入掩码投影损失优化分割网络；使用领域像素一致性损失约束像素点对的前景分割结果一致；使用像素表示模块对输入图像中每个像素点生成能表示其语义的像素特征表示，并使用像素特征表示一致性损失约束相似性高的像素特征表示在空间上需要接近；将该特征表示按边界框划定前背景区域，使用K‑Means分别对背景和高概率的前景区域建立前背景模型，并将边界框内部的像素特征表示分别与前背景模型使用前背景搜索损失优化前景分割结果。本申请能降低图像分割对像素级标注的依赖，提高现有弱监督分割方法的准确率。
一种基于背景匹配边界监督图像分割方法

[发明专利]一种基于对象空间关系的目标跟踪算法-CN202010439523.1有效
发明人：冯欣;张琼敏;宋承云;龙建武;谭暑秋;蒋友妮;殷一皓;刘曦月 -专利权人：重庆理工大学
申请日： 2020-05-22 - 公布日： 2023-04-11 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及一种基于对象空间关系的目标跟踪算法，具体包括以下步骤：G1、以图像的特征和目标在图像中的位置作为输入，并利用五层卷积小网络来捕获两帧图像中目标的关联性，最终获得目标间的特征相似矩阵；G2、获取目标中心点的距离作为目标间的空间相似矩阵，将空间相似矩阵与特征相似矩阵做哈达玛积，同时计算目标的关联性，防止将表观特征相似性大但空间位置相距较远的目标进行错误关联，最终得到目标跟踪结果。本发明能够改善只利用目标表观特征的目标跟踪算法在目标表观特征相似性大而空间特征相似性小的场景下出现的跟踪效果降低的问题。
一种基于对象空间关系目标跟踪算法

[发明专利]一种重加权数据项的结构保持图像平滑算法-CN202211387109.6在审
发明人： 龙建武;王雪梅;张臣 -专利权人：重庆理工大学
申请日： 2022-11-07 - 公布日： 2023-03-21 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种重加权数据项的结构保持图像平滑算法，包括以下步骤：S1、对输入图像I进行双边滤波，得到对应像素点经过双边滤波后的像素值通过像素值来计算像素点间的相似性权重wp；S2、根据相似性权重wp在结构信息与非结构信息间表现出来的性质，将现有全局优化算法中原来的数据项分为两项以构成新的数据项，新的数据项中一项实现保留图像的结构信息，另一项实现平滑图像中的纹理细节，并分别设置两项的权重；S3、用新的数据项替换现有全局优化算法中原来的数据项，全局优化算法得到新的目标函数，对新的目标函数优化求解，得到最后滤波的输出图像u。本申请能避免数据项对所有的信息都进行保真，实现结构信息的保留及非结构信息的平滑。
一种加权数据项结构保持图像平滑算法

[发明专利]视频AI烟尘污染源识别与定位方法-CN202110220367.4有效
发明人：黄云雨;张薇;王柯柯;龙建武;朱江洲;冯欣 -专利权人：重庆若上科技有限公司
申请日： 2021-02-26 - 公布日： 2022-11-22 - 主分类号： G06V20/40 文献下载
摘要：本发明提供一种视频AI烟尘污染源识别与定位方法，包括样本数据标定收集：收集摄像头可拍摄范围内的目标物的经纬度坐标、在对应图像中的坐标以及摄像头的实时转动角度；ANN‑LMBP模型训练：根据标定收集到的样本数据，基于ANN‑LMBP神经网络进行每个摄像头的一对一模型训练，然后将训练好的ANN‑LMBP神经网络模型进行保存；烟尘污染源预测定位：将摄像头实时监测到的烟尘污染源检测输出的图像坐标位置和摄像头的实时参数，输入ANN‑LMBP神经网络模型进行烟尘污染源在世界坐标系下的经纬度坐标预测。本申请采用ANN‑LMBP神经网络进行基于视觉的烟尘污染源预测模型的训练，精度相对较高，模型整体均方误差小，最终预测的经纬度与实际位置的误差在允许范围内，能有效减少成本。
视频 ai 烟尘污染源识别定位方法

[发明专利]一种自动识别聚类数的层次聚类算法-CN202211039756.8在审
发明人： 龙建武;王强 -专利权人：重庆理工大学
申请日： 2022-08-29 - 公布日： 2022-11-04 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种自动识别聚类数的层次聚类算法，包括以下步骤：利用自然邻居搜索停止时所有数据点的反向邻居数最大值μ以及数据点μ近邻的欧式距离之和计算数据点的密度，设计一种通过手动输入参数控制噪声比例的动态噪声识别器来识别噪点进行去噪，获得去噪后的数据集；利用距离越近的点越容易划分到同一个聚类中这一思想，设计一种基于k近邻有向边迭代图合并过程划分聚类的方法进行聚类，记录聚类数和迭代次数的关系，利用迭代次数最大值判定最佳聚类数，得到去噪后数据集的最佳聚类结果；对噪点数据划分聚类，得到最终聚类结果。本申请通过对去噪后数据集构造k近邻有向图，迭代图合并过程进行聚类，利用迭代次数最大值判断数据集的最佳聚类数。
一种自动识别聚类数层次算法

[发明专利]一种基于几何注意力感知的车道线检测系统-CN202010398306.2有效
发明人： 龙建武;彭浪;鄢泽然;陈鸿发 -专利权人：重庆理工大学
申请日： 2020-05-12 - 公布日： 2022-08-12 - 主分类号： G06V20/58 文献下载
摘要：本发明提供一种基于几何注意力感知的车道线检测系统，包括主干网络，设于主干网络之后的语义分割分支和几何距离嵌入分支，作用于解码器相邻两个阶段上采样层之间即设在整个车道线语义分割分支和几何距离嵌入分支之间的注意力信息传播模块，设于语义分割分支和几何距离嵌入分支末端的几何注意力感知模块，以及与主干网络和几何注意力感知模块连接的跳跃金字塔融合上采样模块。本系统采用多任务分支网络结构，除了车道线分割任务以外还增加了几何距离嵌入分支，该分支通过学习车道线中心到边界的连续距离表示去指导车道线分割，从而改善由于高度依赖稀疏车道线标注而无法从复杂道路场景下有效检测车道线的问题。
一种基于几何注意力感知车道检测系统

[发明专利]联合注意力U形网络和多尺度特征融合的息肉分割方法-CN202210424190.4在审
发明人： 龙建武;宋鑫磊;刘东;曾子秦 -专利权人：重庆理工大学
申请日： 2022-04-21 - 公布日： 2022-07-29 - 主分类号： G06T7/10 文献下载
摘要：本发明提供一种联合注意力U形网络和多尺度特征融合的息肉分割方法，包括选择U‑Net作为主干网络，通过在U形主干网络结构的编码器和解码器阶段对应层的跳跃连接末端增加注意力门，以抑制不重要特征的同时加强重要信息；然后融合不同尺度特征获得丰富的全局语义信息特征图，特征图经过解码后得到全局映射图以作为后续步骤的初始引导区域；接着将平行高层特征传入到感受野模块中来增强网络深度表示；再在全局映射图指导下被送入多个以级联方式构建的反向注意力模块内，来更好挖掘目标区域特征和边界线索；最后通过精细化残差模块来精细化息肉目标区域和边界信息，得到更加高性能的息肉分割结果。本发明对于息肉图像数据集分割性能更加精准优异。
联合注意力网络尺度特征融合息肉分割方法

[发明专利]一种基于对象属性关系图的视频描述方法-CN201910258535.1有效
发明人：冯欣;张洁;蒋友妮;苟光磊;龙建武;张琼敏;石美凤;谭暑秋;宋承云;南海 -专利权人：重庆理工大学
申请日： 2019-04-01 - 公布日： 2022-07-12 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于对象属性关系图的视频描述方法，该方法将给定长视频划分为在内容上基本一致的视频段，然后基于每一视频段对该段视频内容进行分析，提取出视频场景中的关键对象，此处提取的关键对象为包含关键对象的矩形框；将提取出来的每一关键对象作为表示该视频段所对应对象属性关系图的结点，通过对每一关键对象进行空间和时间上的特征分析来对其进行属性描述，并作为结点属性；将获取的关键对象之间的相对位置关系作为该视频段所对应对象属性关系图中两个结点之间的连接边，并以此将两关键对象之间相对方向、距离、相对位置关系在时间上的变化作为边属性。该方法实现了一定时间内复杂视频内容的有效并精炼的表示，且具有很好的扩展性。
一种基于对象属性关系视频描述方法

[发明专利]一种联合超像素的边缘感知纹理滤波方法-CN202210374755.2在审
发明人： 龙建武;朱江洲;王雪梅 -专利权人：重庆理工大学
申请日： 2022-04-11 - 公布日： 2022-07-05 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种联合超像素的边缘感知纹理滤波方法，包括步骤S1、采用SCAC算法对输入图像进行超像素分割得到超像素区域并使用窗口大小进行均值滤波得到均值图像；S2、针对输入图像中的每个像素计算mRTV值，找到最小mRTV值对应的局部窗口，计算局部窗口与超像素区域的重叠部分得到局部滤波区域；S3、在局部滤波区域内计算每个像素的SPRTV生成边缘感知引导图，并对每个像素计算权重，利用均值图像和边缘感知引导图以及权重构造纹理滤波引导图G'；S4、使用G'作为引导图与输入图像进行联合双边滤波得到滤波图像；S5、提出参考滤波图像与输入图像异同比较以及滤波图像自身特征的评价指标。本申请通过将像素信息和超像素信息有机结合来提高现有纹理滤波方法的滤波质量。
一种联合像素边缘感知纹理滤波方法

[发明专利]基于轻量化网络模型和反向注意力模块的息肉分割方法-CN202210247287.2在审
发明人： 龙建武;宋鑫磊;曾子秦;刘东 -专利权人：重庆理工大学
申请日： 2022-03-14 - 公布日： 2022-06-14 - 主分类号： G06T7/11 文献下载
摘要：本发明提供一种基于轻量化网络模型和反向注意力模块的息肉分割方法，包括通过去掉轻量化网络模型MobileNetV3的最后分类网络部分并用协调注意力模块代替SENet模块改进MobileNetV3，得到轻量化网络分割模型CaNet作为主干网络；将主干网络输出的高级特征并联传入并联轴向感受野模块内，在不丢失细节信息的同时提取到全局依赖关系和局部表示；将并联轴向感受野模块并联输出的特征图经过不同倍数上采样至统一大小，通过逐点相乘进行聚合及双线性插值，初步得到一个全局映射图；利用反向注意力模块通过高级输出特征中擦除现有已估计的息肉区域，从而顺序地挖掘互补区域和细节，得到更加精细化的息肉分割结果，提高了分割精度。本发明对于息肉图像数据集分割更加轻量高效化。
基于量化网络模型反向注意力模块息肉分割方法

[发明专利]基于注意力卷积神经网络的CT图像分割系统-CN202010190946.4有效
发明人： 龙建武;宋鑫磊;安勇;鄢泽然 -专利权人：重庆理工大学
申请日： 2020-03-18 - 公布日： 2022-05-27 - 主分类号： G06T7/10 文献下载
摘要：本发明提供一种基于注意力卷积神经网络的CT图像分割系统，包括使用并联卷积神经网络来逐步减小输入图像的特征图大小，通过网络层复用以及各层特征的截取与融合，实现同时提取出图像语义信息和空间信息的特征编码模块；使用池化生成注意力特征，将特征编码模块提取的语义信息特征进一步精练细化的语义信息提取注意力模块；使用最大池化与平均池化并联，将经过精细化的语义信息特征与经过特征编码模块拼接的语义信息和空间信息特征进行融合组成为注意力特征图的特征融合池化注意力模块；使用卷积模块与上采样模块，将注意力特征图逐步精细还原为输入图像大小的特征图解码模块。本发明通过融合注意力模块，实现了高效而精准的图像分割。
基于注意力卷积神经网络 ct 图像分割系统

[发明专利]一种融合超像素与窗口偏移的边缘感知引导滤波方法-CN202111563640.X在审
发明人： 龙建武;朱江洲;王雪梅;张臣 -专利权人：重庆理工大学
申请日： 2021-12-20 - 公布日： 2022-03-22 - 主分类号： G06T5/20 文献下载
摘要：本发明提供一种融合超像素与窗口偏移的边缘感知引导滤波方法，包括步骤S1、采用双边滤波对输入图像进行预处理后采用SLIC算法进行超像素分割，得到超像素区域；S2、计算输入图像每个像素点不同局部窗口内的RTV值，选择最小RTV值进行窗口偏移，得到基于RTV值的局部最佳滤波窗口；S3、选取偏移后的窗口与当前像素点所在超像素区域的重叠部分作为滤波区域；S4、结合上一次滤波结果与超像素区域进行迭代引导滤波，融合不同尺度滤波结果得到最终滤波输出；S5、提出参考滤波图像与输入图像异同比较及滤波图像自身特征的评价指标。本申请通过融合超像素与窗口偏移改进局部滤波窗口，提高引导滤波方法边缘保留能力的同时达到对于细节信息的平滑效果。
一种融合像素窗口偏移边缘感知引导滤波方法

1
2
下一页»
尾页
共 27 条